MétaCan
Menu
Retour à la cohorte
Enregistrement W2487963161 · doi:10.1093/melus/mlw030

Refugeography in “Post-Racial” America: Bao Phi’s Activist Poetry

2016· article· en· W2487963161 sur OpenAlexaff
Vinh Nguyen

Notice bibliographique

RevueMELUS Multi-Ethnic Literature of the United States · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAsian American and Pacific Histories
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésRefugeeGender studiesOppressionSolidarityPoliticsSociologyPoeticsRacismSubjectivityIdentity (music)RacializationAestheticsPoetryPolitical scienceLiteratureLawArtRace (biology)

Résumé

récupéré en direct d'OpenAlex

This paper conceptualizes Bao Phi’s neologism “refugeography” as a poetics—a mode of expression and a politics, a way of perceiving and being in the world—that critically expands the “refugee” category. Reading Phi’s collection Sông I Sing: Poems (2011), I argue that refugeography signifies the psychic landscape of refugee subjectivity, the scope of refugee subjects (agents and topics), and the physical places of refugee movement and dwelling. This “geographically” capacious concept enlarges the purview of the refugee, insisting that racialization on American shores, police brutality, Asian American identity, diasporic consciousness, and social justice activism along with imperialism, foreign war, and forced migration are “refugee” concerns. For Phi, it is by way of war and empire’s human rem(a)inders that larger issues of identity politics, resistance to oppression, panethnic solidarity, and displacement and rootedness come to the foreground and are shown to be ongoing contemporary contestations in supposedly “post-racial” times. Refugeography thus is an enabling concept, one that begins with the figure of the refugee but does not necessarily end there. It is expansive and wide-ranging in the way it explores and sketches out subjectivities, changing positionalities, and physical geographies while promoting and celebrating Asian American community and identity.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,918
Score d'incertitude au seuil0,651

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,015
Tête enseignante GPT0,293
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMELUS Multi-Ethnic Literature of the United StatesMême sujetAsian American and Pacific HistoriesTravaux en français237 207